-
题名基于粒子群优化BP神经网络的核事故源项反演
- 1
-
-
作者
游清悦
曹博
彭丁萍
李中昊
缪学伟
陈洲亮
-
机构
华北电力大学核科学与工程学院
非能动核能安全技术北京市重点实验室
-
出处
《核电子学与探测技术》
北大核心
2025年第3期371-381,共11页
-
基金
国防基础科研计划资助(JCKY2022110C073)。
-
文摘
核事故发生后,快速准确地估算源物质的释放速率对于提升核应急响应速度及确保决策的可靠性至关重要。本文选择碘-131(^(131)I)核素的释放速率作为源项反演的目标值,利用课题组开发的放射性核素大气扩散模拟程序RADC生成神经网络训练所需的数据集。利用Matlab构建了粒子群算法(Particle Swarm Optimization,PSO)优化误差反向传播(Back Propagation,BP)神经网络的核事故源项反演模型,同时考虑了粒子群算法中超参数和适应度函数的不同对算法优化性能的影响。结果表明:PSOBP模型源项反演测试结果的平均绝对百分比误差为2.14%,平均绝对误差为0.011437,均方差为0.000685,各个评价指标明显优于BP神经网络,验证了该模型的可行性,有助于快速核应急响应。
-
关键词
源项反演
BP神经网络
粒子群优化
参数优化
适应度函数
-
Keywords
source term inversion
BP neural network
particle swarm optimization
parameter optimization
fitness function.
-
分类号
TL732
[核科学技术—辐射防护及环境保护]
-
